12月18日，2018（第十六屆）中國互聯網經濟論壇在京舉行，朗鏡科技聯合創始人兼COO Candice Wan在現場發表主題演講。她認為朗鏡科技是一個做AI大數據和共享經濟平臺提供數據服務的公司，AI和共享經濟都是採集數據和處理數據當中必要的手段。
以下為演講實錄：
我剛才聽了特別多創業路上的同伴，關於商業模式的分享，包括價值創造的創新，所以特別高興有這樣的機會跟大家分享朗鏡科技做了那一些事情，無論是創業的路上和品牌發覺的路上都有新的價值和體驗。
從整個的公司介紹來講，我們是一個做AI大數據和共享經濟平臺提供數據服務的公司。AI和共享經濟都是採集數據和處理數據當中必要的手段，整個的是一個數據從採集挖掘到提煉深挖的這樣一個全產業的流程，在這裡先給大家嘮叨幾句中國互聯網發展路徑，大家今天都在回顧中國改革開放40年，整個的互聯網經濟包括民生改善走過的路，其實消費品是老百姓感受最最明顯的一點。在整個的消費產業鏈我們說中國進入數字化零售4.0時代，那它1.0時代、2.0時代、3.0時代分別是什麼？其實1.0時代其實是中國消費品啟蒙的初級階段。我在出來創業之前供職於外資的消費品公司，其中是寶潔公司。在1988年到1995年這一段時間其實整個產品都是都處於供不應求的狀態，所以我們講中國零售從零到一的1.0時代，所有的生意增長、品牌的挖掘都在於有貨就有銷量的這樣一個品牌長期發展的最簡單的初期。
那2.0時代是中國渠道深耕的時代，我們講從1995年到2005年這十年越來越多的品牌公司進入中國，不管是外資企業的加入和一些民營品牌在這時候的創立，所以這個時候你的生意是來自於什麼呢？你的生意是來自於你的貨從一線城市、二線城市能不能進入到三線、四線、五線城市，也就是你說的渠道是僅僅停留在表面的繁榮經濟還是能夠帶到中國從幅員遼闊從一線到七線城市的深耕。
3.0時代可能是大家體會最深刻2005年電商開始在中國蓬勃發展，陸續有中國電商公司在美股上市。因此在電商進入視野的時候，我們說零售3.0時代是一個非常典型的效率提升，它的效率提升體現在物流效率提升，體現在交易效率提升，體現在渠道效率提升。當大家的支付可以用支付寶來完成，當物流可以實現當日達、次日達，當消費品的價格一再擊破我們能夠想象的市場底價的時候，其實這是來自於互聯網對於整個傳統的消費品零售渠道，從品牌到經銷商到零售商到廣告商吸引消費者最終到達消費者這樣五步曲的時代慢慢轉變到現在是以消費者為中心，零售商、品牌方通過大數據深挖對消費者的理解和認知，從而把整個的商業模式變的更加有效率的過程。
在我們今天主要介紹的消費品4.0時代是從2016年作為一個非常明顯的界限，從2016年開始大家可以看一下雙十一的數據和618的數據，整個電商的增長不再有以前的那麼迅猛包括電商的創業當中也陸續有公司因為各種原因而退出這戰場，那新零售這個詞在2016年深入人心，為什麼會有新零售時代？為什麼會有O2O的時代？流量效率大家可以看到流量越來越貴，所以大家對於消費者的認知從傳統的買流量到千人千面新的4.0時代包括90後消費者入市這是我們在這時代看到一個很新的訊息，親連續兩天網上很流行的一篇文章讓我們面對1.47億00後消費者，這個數字是很震驚的數字，00後怎麼看待品牌，其實這是一個銷售和零售都進入小眾化和碎片化的時代。在我職業生涯供職過跨境平臺比如小紅書，其實這樣的社交媒體平臺能夠在過往的幾年之內崛起，一個非常重要的原因是90後和00後消費者對於傳統的大牌本能的有牴觸情緒。也就是說一瓶日本不知名品牌洗髮水賣80塊錢相對於聯合利華天天打廣告知名品牌的洗髮水顯然小眾品牌更容易獲得消費者的青睞，即便它價格更高即便整個瓶子上面都沒有中國文字說明，所以這是我們面對新的消費者需要深耕的數字化運營來了解這市場。這也就是為什麼我們會用共享經濟模式和AI圖像識別技術來更好的服務於消費者碎片化的線下零售時代。
我們做線下消費品數據，線上的數據在過往的十幾年跟電商共同發展已經到了非常精細化運營的時代，線下的零售數據目前來看我們覺得還是非常初期，不管是從數據的採集、數據的處理、數據的完整性、數據的深挖數據打通都有很大的發展空間和效率提升的價值。從線下的數據來講，就是數據千差萬別，我們簡而言之數據無非分三部分。這三部分是從零售的場景來講消費者從哪裡來也就是我們傳統講的流量數據、人流數據、線下的數據。第二部分是消費者來到這場景當中如何做消費決策。最後一部分是消費者如何支付也就是交易過程最終完成，我們大家廣為人知的支付寶微信其實講的都是一個支付數據。其實朗鏡科技在過往三年多的創業時間裡面，我們就是深耕消費者決策數據的過程。也就是說我們提供的是整個消費者決策數據中人、貨、場裡面貨和場的數據，通過共享經濟的這個眾包數據模式的採集，再加上AI圖像識別技術，通過對於商品的識別還原線下消費場景當中商品數據和場景數據。
這是一個對於消費者品牌認知的市場調研的一條數據，大家知道每年消費品品牌在品牌投放上花了非常大的精力，無非是去開發新品、滿足消費者新的訴求，或者說如何提升跟消費者之間的溝通。那大量的市場費用投放在品牌的和新品滿足新的過程當中，依然有數據顯示有59%的最終銷量產出是來自於終端的卓越執行。也就是說我們在廣告投放上有很多的數據可以來體現，而這投放是不是很有效率，這數據是不是很能夠體現我們的經濟價值的產出。但是在終端執行意味著每一個費用使用的場景都發生在中國一百萬家線下零售店裡面，所以如何用有效的方式去採集終端執行的數據是我們創業當中所解決的企業痛點。在沒有AI圖像識別技術之前，沒有互聯網革新之前，對這一類數據基本上只有兩種解決方案，一種是每個品牌的銷售代表自己有一個銷售系統來填這一部分的數據，他們填這部分的數據在，事實上我也服務過很多消費品公司雖然都是非常非常優秀的消費品公司，但是大家洗這一部分數據的時候發現水分非常大，因為你要求一個人又作運動員又做裁判員他填的數據會直接影響他的銷售獎金，所以這部分的數據是有很大的造假嫌疑，因此品牌公司都會去僱傭像尼爾森這樣的第三方市場公司進行數據的複核和監測。但是因為人力成本的上升和人口紅利的消失，導致傳統的模式成本非常高。且在人的採集過程當中都會出現不可避免的誤差和數據的失真，同時在數據沉澱過程當中有很大的數據流失。
因此我們人為創造了一個叫AI和大數據在終端消費者零售端的四部曲的數據整合，第一部分我們數據的收集是通過中國最大的消費品零售眾包平臺，我們在線上已經有了將近一百萬的註冊會員，在全國1到7線城市進行終端門店的數據收集工作。同時我們也可以提供軟件服務讓品牌方為他的銷售人員裝系統，通過系統監測的方式確保數據有效真實的回收。第二部分在數據採集完成之後我們進行圖像識別的處理，也就是我們講的數據處理部分，現在的圖像識別技術可以實現平均準確率95%，同時數據一分鐘之內的實時反饋。第三部分我們進行數據的挖掘和深耕，這也是大數據時代傳統的數據深耕，同時更多的是分析報告，在大數據的都是系統的方式產生數據產品，最終遞交給品牌方一個實時的線上線下的數據打通。
剛剛介紹的所謂數據工具一種是我們的會員通過會員接單、眾包平臺的方式採集數據。第二種我們可以用品牌方定製需要的APP內置所需要的執行標準和數據格式進行數據的實時反饋。這是我們眾包會員的覆蓋，我們在1到6線城市能夠覆蓋中國620鄉鎮及以上的城市覆蓋。
這是我們AI的六大核心技術，大家都知道AI的圖像識別其實比較多的人臉識別包括熱點圖、動線圖這樣的過程，其實在商品端圖像識別是一個非常複雜的過程。商品圖像識別的過程本身解決是線下消費品信息採集的效率問題，也就是說如果我為了追求圖像識別的準確率達到一個非常精準的數據輸出值，我首先要保證數據的輸入是在一個可以被機器處理的且對於我的使用人員而言並不複雜的拍照過程，拍照如果要求很專業的人來做，這個事情不是有互聯網價值能夠進行大規模推廣的，且為企業提升效能的這樣一個工具。
因此其實在技術領域我們最重要的克服並不是說我輸出一個準確值是一個很高的值而是在整個的使用過程的場景當中，我們能夠克服在中國非常複雜的商業環境當中有一定的傾斜、有一定的明暗、有一定的模糊度情況下依然輸出相對比較高質量的數據結果。
這是我們一些識別的視力圖，我們在圖像識別的過程當中基本上現在可以做到所有的貨架識別、分銷識別、價錢識別、商品定位的識別包括整個貨架的整個全景的拼接包括競爭對手的分析等等。這是整個的貨架拼接的技術，整個拼接的技術是依賴將近一百萬的註冊會員和圖像識別技術是可以還原中國所有終端門店分品類的線下陳列的情況。
這是在我們目前為止應用了AI深度學習的方式，通過小樣本的學習，如果大家知道深入學習最終是一個樣本量的學習，在商品識別當中因為商品的更新換代非常快，人臉識別整個的 人的生命週期機器識別到長期能夠識別到，除了小朋友之外都有比較長的生命週期，但是產品會經常換新包裝，對於技術和挑戰是有小樣本的識別，任何的新包裝上新之後通過50張小樣本都會有一個基本的準確度的判定，這是我們剛剛介紹的在各種中國複雜的商業環境當中。大家知道其實在中國做互聯網創業要比在美國困難很多，尤其是零售商業場景的競爭激烈度和複雜程度，在美國其實可能它的貨架，其實美國的零售業態總的來講兩種，一個是大賣場的模式、給跨貨架。第二種是便利店的模式，非常簡單的商品陳列，其實中國商品陳列和光線店內的貨架寬窄程度非常複雜，所以在中國做這樣的創業會比美國艱難得多，技術挑戰也要難得多。
這是我們最終輸出的所謂的數據，一個成型的輸出量部分的報告，一部分是在手機端可以對單店數據一分鐘之內的實時響應，另一部分我們根據管理層的要求可以整合全國的數據，然後輸出以品牌定製化的任何品類的為主、品牌為輔的這樣一個數據。
感謝大家的時間，謝謝。
閱讀更多 ciweek互聯網週刊 的文章
